K-means clustering for mitigation of nonlinear phase noise in digital coherent optical systems using 16-QAM modulation format

Abstract

This work analyzes the use of the K-means clustering algorithm to mitigate nonlinear phase noise in singlespan coherent systems, such as long-reach passive optical networks (LR-PONs). Simulations revealed that for a 100-km LR-PON employing 16-ary quadrature amplitude modulation (QAM) and considering a 1:64 splitting ratio, the adoption of K-means with K-means++ initialization achieves an optimum bit error ratio (BER) of 6.3 • 10 −4 , whereas employing maximum likelihood, 10 −3 is obtained. We also show that in order to achieve this performance improvement in 90% of the cases, K-means requires only 2,000 symbols.

Mitigation of nonlinear phase noise in single-channel coherent 16-QAM systems employing logistic regression

“…Regarding the ANN, a single hidden layer composed of s 2 = 16 neurons. It is also worth noting that for K-means we employed K-means++ as initialization method as this reduces the amount of iterations and reduces the probability for erroneous classification [22]. As can be observed, at low power levels, all the classification methods converge to the BER values of ML but, as the power increases, the different machine learning algorithms outperform ML.…”

Classificação Automática de Modulações DP m-PSK e DP m-QAM em Receptores Ópticos Coerentes Flexíveis

“…Assim, no que diz respeito às redes de telecomunicações, as pesquisas relacionadas à AI e ML são aplicáveis nas áreas de transmissão, roteamento e gerenciamento [13]. Nas redes OTN, as técnicas de AI e ML são empregadas nos transponderes ópticos para a caracterização de amplitude e ruído de fase [13], no controle dos amplificadores ópticos [13], na identificação da degradação dos sinais devido aos efeitos lineares de CD e PMD [13], no monitoramento da relação sinal ruído óptica [13], na mitigação dos efeitos não lineares nos receptores [14], [15] e na estimativa da qualidade de transmissão óptica [13]. Além disso, o AI e ML são utilizados nas redes OTN para a classificação automática de modulações [16]- [21], possibilitando o ajuste dinâmico, de tais redes, à qualidade do meio de transmissão, sem a interferência humana, por meio da seleção de taxas de transmissão adequadas ou transmissões em única ou multiportadoras.…”